补给船船位多变量系统广义预测控制方法

基于分离型建模的思想,建立了含有风、浪、流以及高架索索道产生的干扰力和力矩的补给船水平面三自由度操纵运动数学模型,并推导得到补给船低频运动状态空间模型。针对补给船在补给作业过程中的特点,采用多变量系统的广义预测控制方法对补给船的船位进行控制,利用其预测模型的提前预测功能,在补给船实际船位与期望船位的偏差产生之前就进行校正,使补给船与接收船保持一定的补给距离,确保补给作业安全顺利地进行。     

逆变器控制策略对比分析和仿真验证

PWM逆变器是电力领域的重要设备,而输出电压波形控制是PWM逆变器的关键技术之一。波形控制的目标是消除波形畸变,并保证波形的高稳态精度和快速动态响应。本文首先建立单相PWM逆变器的数学模型,分析桥臂点电压和输出电流对逆变器输出电压波形的影响,然后对单电压环控制策略和电感电流反馈、电感电流反馈+负载电流前馈解耦以及电容电流反馈这3种双环控制策略分别进行理论推导分析,最后在Matlab中进行一系列仿真验证,分析对比各控制策略的稳态和动态响应性能。     

正态信息扩散法推断岩土参数概率分布的窗宽优化和区间截尾问题研究

正态信息扩散法被认为是相对最优的推断岩土参数概率分布方法,但其存在窗宽选择和截尾误差问题.提出以均方差指标最小为目标,逐级改变窗宽h,获得与直方图匹配的正态信息扩散分布窗宽确定方法;在确定匹配窗宽的基础上,借助样本队列曲线,提出增大样本下界、减小样本上界的"收窄"正态信息扩散分布取值区间方法.工程实际测试样本的统计结果表明:提出的匹配窗宽下的信息扩散分布所得到的概率密度函数优于h窗宽下的概率密度函数,拟合误差更小;"收窄"样本边界后获得的正态信息扩散分布区间与样本的实际分布区间更接近,减小截尾误差,累积概率更接近1.     

船舶焊缝图像缺陷识别研究

首先阐述BP神经网络结构,得到不同层神经元之间的关系;然后详述BP神经网络进行分类的原理,并进行改进,提出误差逆向的神经网络识别算法,加强了系统的学习性和收敛性,将其应用到船舶焊缝图像缺陷识别中,最后进行实验,说明本文所设计的BP神经网络结构能够提高缺陷识别的正确率。     

基于机器学习的风暴中船体减摇自动化控制方法研究

针对传统模糊控制方法修正误差大、航行过程中出现风暴现象船舶的晃动程度较高的现象,提出并设计了一种基于机器学习的船体减摇自动化控制方法。结合数学模型对船舶减摇过程中所受的偏移力矩进行分析后,确定船体姿态参量的自整定性处理系数,采用机器学习方法对自动化控制算法进行优化,实现船体姿态参量的误差补偿,完成对风暴环境中船舶的自动化减摇控制。仿真实验结果表明,采用基于机器学习的自动化控制方法能够有效增强船体减摇过程中的误差修正能力,鲁棒性极强。     

AIS船位信息产生误差的原因与对策

主要阐述船舶自动识别系统(A IS)播发和接收的船位信息的可靠性及误差、船位信息产生误差的原因,并提出提高A IS船位信息可靠性与精度的对策。